Ad Hoc Analysis Approaches

40

Varios investigadores coinciden en que el tamaño es un factor importante para la comprensión de los modelos del proceso de negocio. Mientras el tamaño del software frecuentemente se iguala con las líneas de código, el tamaño de un modelo de proceso de negocio es a menudo relacionado al número de nodos N del modelo del proceso.

1.1

SN (Números de nodos del modelo gráfico del proceso G) 𝑆𝑁 (𝐺) = |𝑁|, donde N es el número de nodos del modelo.

Un modelo grande del proceso de negocio en términos de SN (G) muestra más probabilidades para contener errores que uno pequeño debido a que los modeladores sólo podrían percibir una cierta cantidad de nodos en un cierto período de tiempo(Mendling, 2011).

1.2

𝑑𝑖𝑎𝑚

𝑑𝑖𝑎𝑚 = |𝑁𝐶𝑀|, donde 𝑁𝐶𝑀 es el número de nodos que componen el camino más largo desde el nodo inicial hasta el nodo final del modelo de proceso de negocio.

Entre más grande sea el diámetro de un modelo, mayor será la probabilidad de errores del mismo(Mendling, 2011).

1.3

Eventos de inicio(Cantidad de eventos de inicio en el modelo)

𝑆𝐸_𝑆= |𝐸𝑆|, donde 𝐸𝑆 es el número de eventos de inicio del modelo de proceso de negocio principal.

La cantidad de eventos de inicio no deberá exceder el número dos, si se desea un modelo efectivo(Mendling et al., 2012a).

1.4

Eventos intermedios)(Rolón et al., 2006)

𝑆𝐸𝐼𝑛𝑡= |𝐸𝐼𝑛𝑡|, donde 𝐸𝐼𝑛𝑡es el número de eventos intermedios en todo el modelo de proceso de negocio.

1.5

Eventos de fin(Mendling et al., 2012a)

𝑆𝐸𝐸= |𝐸𝐸|, donde 𝐸𝐸 es el número de eventos de fin del modelo de proceso de negocio principal.

1.6

Compuertas(Mendling et al., 2012a)

𝑆𝐶 = |𝐶|, donde 𝐶 es el número de compuertas en todo el modelo de proceso de negocio.

41

1.7

Arcos(Mendling et al., 2012a)

𝑆𝐴= |𝐴|, donde 𝐴 es el número de arcos en todo el modelo de proceso de negocio.

2. Según la densidad:

Se usa la densidad como un término genérico para referirse a cualquier métrica que relacione los números de nodos a los números de arcos. Hay varias métricas que proporciona la información sobre la relación de arcos y nodos. Se considera métrica densidad el coeficiente de conectividad, el grado medio y el grado máximo del modelo. 2.1 ∆ (La densidad del gráfico del proceso)

∆(𝐺) = |𝐴| ÷ (|𝑁| × (|𝑁| − 1)), donde

A

es el número de arcos del modelo y

N

es el número de nodos.

Esta métrica se refiere al número de arcos dividido por el número máximo de nodos por el mismo número de nodos menos uno. Un modelo del proceso de negocio con una densidad alta tiene una probabilidad mayor para contener errores que un modelo menos denso con el mismo número de nodos(Mendling, 2011).

5.9 CNC (El coeficiente de conectividad)

𝐶𝑁𝐶(𝐺) = |𝐴| ÷ |𝑁|CNC (G)= |A| / |N|, donde

A

es el número de arcos del modelo y

N

es el número de nodos.

Da la proporción de arcos entre nodos.Se relaciona con interrogantes acerca de cuántos vértices deben ser eliminados de un grafo para convertirlo en no-conectadoUn modelo de proceso de negocio más denso en términos de CNC tiene tener mayor probabilidad para contener errores(Mendling, 2011).

5.10 𝑑̅̅̅(𝐺)𝐶 (Grado promedio de los conectores)

𝑑

_𝐶

̅̅̅(𝐶) =

1

|𝐶|

∑

𝑐∈𝐶

𝑑(𝐶)

, donde

d(c) es el grado de las compuertas y C es el

número de compuertas.

Brinda el número de nodos a los cuales un conector está asociado como promedio. Un incremento en el grado promedio de conectores implica un aumento en la probabilidad de error. (Mendling, 2011).

5.11 𝑑̂(𝐺)𝐶 (Grado máximo de un los conectores)

42

Brinda el grado máximo de conectores de los nodos del modelo (Mendling, 2011).

3. Según la modularidad:

Usamos el término modularidad en lo referente a aquellos aspectos de un modelo de proceso que guardan la relación de subcomponentes con el modelo global. Se discute el caso especial de la profundidad de los modelos, conocida como profundidad modular (en inglés modularity depth).

3.1

Profundidad modular(profundidad en el modelo)

Para llegar a la profundidad de un modelo primeramente verificamos si existen subprocesos dentro del mismo, y dependiendo de la cantidad de subprocesos es la profundidad del modelo(Reijers and Mendling, 2008).

3.2

𝛱(Razón de separabilidad)

𝛱(𝐺) =|{𝑛 ∈ 𝑁|𝑛 𝑒𝑠 𝑢𝑛 𝑣é𝑟𝑡𝑖𝑐𝑒 𝑑𝑒 𝑐𝑜𝑟𝑡𝑒}|

|𝑁|−2 , donde n son los vértices de corte (o puntos de articulación) y N es el número total de nodos del modelo.

Los vértices de corte o puntos de articulación son aquellos nodos cuya eliminación del grafo lo rompe en dos o más componentes desconectados. Nótese que los eventos de inicio y fin no pertenecen al conjunto de puntos de articulación pues su eliminación no incrementa el número de componentes separados.

3.3 𝛯(Razón de secuencialidad)

𝛯(𝐺) =|𝐴 ∩ (𝑇 × 𝑇)| |𝐴|

Es calculada al relacionar el número de arcos de secuencia (arcos que conectan actividades y eventos) con el número total de arcos.

4. Según la conectividad:

En esta sección se presentan métricas relacionadas con los conectores y su interacción. En particular, se discute incongruencia del conector (MM)y la métrica de complejidad del flujo de control (CFC).

4.1

MM (incongruencia de conectores)

𝑀𝑀(𝐺) = 𝑀𝑀

_𝑜𝑟

+ 𝑀𝑀

_𝑥𝑜𝑟

+ 𝑀𝑀

_𝑜𝑟, donde 𝑀𝑀𝑙=

43

suma todas las desigualdades para cualquier tipo de conector, o sea entradas y salidas de los and, or, y xor (Mendling, 2011).

4.2

CFC( Métrica de complejidad del flujo de control)

𝐶𝐹𝐶 = ∑

𝐶𝐹𝐶

_{𝐴𝑁𝐷−𝑠𝑝𝑙𝑖𝑡}

(𝑖)

𝑖∈[𝐴𝑁𝐷−𝑠𝑝𝑙𝑖𝑡𝑠𝑜𝑓𝑃]

+ ∑

𝐶𝐹𝐶

_{𝑋𝑂𝑅−𝑠𝑝𝑙𝑖𝑡}

(𝑗)

𝑗∈[𝑋𝑂𝑅−𝑠𝑝𝑙𝑖𝑡𝑠𝑜𝑓𝑃]

+ ∑

𝐶𝐹𝐶

_{𝑂𝑅−𝑠𝑝𝑙𝑖𝑡}

(𝑘)

𝑘∈[𝑂𝑅−𝑠𝑝𝑙𝑖𝑡𝑠𝑜𝑓𝑃]

Donde CFCAND-split (i)= 1, CFCXOR-split (𝑗) =grado de salida (j),

CFCOR-split (𝑘) = 2grado de salida (k) - 1

Es una suma del grado de salida de las compuertas de tipo Split, para las compuertas And el valor siempre va a ser uno, mientras que para los Xor es la suma de las salidas y para los Or es 2 elevado a la suma de las salidas de la compuerta todo eso menos uno y luego se suma todo(Sánchez-González et al., 2010).

Para poder calcular estas métricas es necesario realizar una transformación del lenguaje EPC al lenguaje BPMN, debido a que en el primero existen conectores AND, OR y XOR mientras que en BPMN son compuertas y existen más variedades (Tabla 10).

EPC BPMN

AND

OR

XOR

O

44

5. Según la ciclicidad:

Las partes cíclicas de un modelo son presumiblemente las de mayor dificultad para entender las partes secuenciales. |𝑁𝐶| proporciona el número de nodos 𝑛𝑖 para los cuales existe un ciclo tal que𝑛𝑖↪ 𝑛𝑖, y la ciclicidad lo relaciona al número total de nodos.

5.1

CYC (Ciclicidad)

𝐶𝑌𝐶𝑁= |𝑁𝐶| ÷ |𝑁|donde 𝑁𝐶 es el número de nodos en un ciclo y N el número total de nodos.

Es la relación de los nodos en un ciclo respecto al número total de nodos del modelo(Mendling, 2011).

6. Según la concurrencia:

Los modeladores tienen que guardar huella de los caminos concurrentes que necesitan ser sincronizados. Las compuertas AND-split y OR-split introducen nuevos hilos de control, tal que los tokens de control se incrementan potencialmente por el número del grado de salida menos uno. La métrica TS (por sus siglas del inglés Token Split) cuenta estos nuevos

tokens introducidos en el modelo. Los Tokens concurrentes desde el estado inicial no son considerados.

6.1

TS (Token Split)

𝑇𝑆(𝐺) = ∑

𝑐∈𝐶𝑜𝑟∪𝐶𝑎𝑛𝑑

𝑑

𝑜𝑢𝑡

(𝑛) − 1,

donde 𝑑𝑜𝑢𝑡es el grado de salida.

Esta métrica suma el grado de salida de las compuertas AND y las compuertas OR menos uno. Un modelo de procesos de negocio con un alto valor de 𝑇𝑆 puede contener más errores pues introduce un alto grado de paralelismo. Un modelo con 𝑇𝑆 = 0 no introduce ningún hilo nuevo de ejecución después de su instanciación. (Mendling, 2011).

3.3 Aplicación de las métricas al proceso de Superación del

In document Formalizing Computer Forensic Analysis: A Proof-Based Methodology (Page 42-51)